学术论文 | 面向无标记显微细胞图像增强的混合自适应多尺度感知驱动网络
学术论文 | 面向无标记显微细胞图像增强的混合自适应多尺度感知驱动网络
摘要:针对无标记显微细胞图像领域存在的标准成对数据缺乏,以及标记显微细胞图像普遍存在的低对比度、亮度不足与细胞边缘细节模糊等问题,提出一种面向无标记显微细胞图像增强的混合自适应多尺度感知驱动网络。首先,设计混合自适应Retinex模块,对无标记显微细胞图像进行光照优化与结构保持的预处理;其次,通过多尺度光照分解模块,分离光照分量的高频与低频区域,获取图像的光照敏感系数与局部噪声水平;再次,基于一种轻量级CNN生成空间变化的Gamma 校正机制,构建动态Gamma 参数预测模块,实现像素级自适应校正;最后,自适应噪声检测增强模块依据反射分量熵值动态选择增强策略,有效抑制噪声放大。实验结果表明:文中方法在关键量化指标(NIQE、MV、IE)的综合表现优于现有增强方法,验证了其在提升无标记显微细胞图像视觉效果方面的有效性。